ForHosting KIT · Áudio e voz

Quem falou o quê?

Esta tarefa analisa a gravação e separa os falantes: cada trecho de fala é atribuído a uma voz distinta, na ordem em que as pessoas aparecem. Numa reunião com quatro participantes, você recebe o mapa de quem falou o quê — a base para atas, entrevistas e transcrições organizadas.

● Betapor minutoUS$ 0,002

Executar — US$ 0,002 + US$ 0,0055/minuto Ver a API

Use pelo WebAPIE-mailApp em breveTelegram em breve

Rode online

Rode nos nossos servidores com a sua conta. As ferramentas grátis rodam no seu navegador; esta aqui é descontada do seu saldo do KIT pelo preço acima.

O problema da gravação com várias vozes

Transcrever uma conversa sem separar as vozes gera uma parede de texto onde ninguém sabe quem disse o quê — inútil para ata, entrevista ou análise de atendimento. A diarização resolve isso identificando as trocas de falante: o resultado marca cada segmento com um rótulo de voz (Falante 1, Falante 2…) e o tempo em que a fala acontece. Depois é só substituir os rótulos pelos nomes reais, uma vez só.

Está em beta — o que isso significa aqui

A separação de falantes funciona e já é usada em produção, mas está marcada como beta: em gravações com vozes muito parecidas, falas sobrepostas ou captação de longe, o sistema pode confundir trechos. Sendo direto: quanto melhor a captação e mais distintas as vozes, melhor o resultado. Grave com o celular perto dos participantes — ou um canal por pessoa, se for chamada online — e a precisão sobe muito.

Como usar e quanto custa

Envie o arquivo pela API (MP3, M4A, WAV ou OGG; até 200 MB e 180 minutos) e receba os segmentos rotulados por falante. O preço é US$ 0,002 por chamada mais US$ 0,0055 por minuto: uma reunião de 45 minutos custa cerca de US$ 0,25, em dólares americanos, pagos por uso. Combine com a transcrição para ter o texto completo já dividido por voz.

Casos de uso

Ata que registra quem se comprometeu com o quê

Na reunião mensal da Distribuidora Horizonte Verde, a diarização separa as falas do comercial, da logística e da diretoria — e a ata sai com cada decisão atribuída à pessoa certa.

Entrevista jornalística com múltiplas fontes

Numa mesa-redonda gravada com três convidados, a repórter recebe o material já dividido por voz e cita cada fonte com segurança na matéria.

Análise de atendimento por telefone

Um e-commerce de Recife separa a voz do atendente da voz do cliente para medir tempo de fala e revisar como a equipe conduz as ligações.

Perguntas frequentes

Quantos falantes ele consegue separar?

Funciona bem com conversas típicas de reunião e entrevista — poucas pessoas, bem captadas. Quanto mais vozes simultâneas e parecidas, maior a chance de confusão em alguns trechos.

Ele diz o nome de quem fala?

Não — os falantes vêm rotulados como vozes numeradas. Os nomes você atribui depois, num achar-e-substituir: a voz que abre a reunião costuma ser fácil de reconhecer.

O que acontece quando duas pessoas falam ao mesmo tempo?

Sobreposição é o caso mais difícil para qualquer diarização, e um dos motivos do selo beta: o trecho pode sair atribuído a um falante só. Em gravações com boa disciplina de fala, o efeito é pequeno.

Vem junto com a transcrição?

Esta tarefa entrega a separação de falantes com os tempos de cada fala. Para o texto completo dividido por voz, use junto com a tarefa de transcrição — as duas se combinam pelos tempos.

Quanto custa numa reunião semanal de 1 hora?

Cada uma sai por US$ 0,33 mais US$ 0,002 de chamada; um mês com quatro reuniões fica em torno de US$ 1,35, cobrado em dólares americanos e só quando você usa.

Gravação de reunião e LGPD: posso processar?

Grave com conhecimento dos participantes — boa prática (e exigência em muitos contextos) independente da ferramenta. No processamento, o arquivo serve para gerar o resultado da tarefa; para dúvidas de conformidade, fale com [email protected].

Para desenvolvedores — acesso via API

Tudo nesta página está disponível via API. Esta seção é para equipes que querem integrar a ferramenta aos próprios sistemas; quem não precisa disso pode simplesmente usar a ferramenta acima.

Endpoint

POSThttps://api.kit.forhosting.com/audio/diarize

Autenticação por token Bearer. Um único POST coloca a tarefa na fila; o resultado chega por webhook ou link assinado.

Chame do seu código

curl -X POST https://api.kit.forhosting.com/audio/diarize \
  -H "Authorization: Bearer $KIT_KEY" \
  -H "Content-Type: application/json" \
  -d &#39;{"audio":"https://ejemplo.com/audio.mp3"}'

const res = await fetch("https://api.kit.forhosting.com/audio/diarize", {
  method: "POST",
  headers: {
    "Authorization": `Bearer ${process.env.KIT_KEY}`,
    "Content-Type": "application/json"
  },
  body: JSON.stringify({
    "audio": "https://ejemplo.com/audio.mp3"
  })
});
const { task_id } = await res.json();

import os, requests

res = requests.post(
    "https://api.kit.forhosting.com/audio/diarize",
    headers={"Authorization": f"Bearer {os.environ[&#39;KIT_KEY']}"},
    json={
    "audio": "https://ejemplo.com/audio.mp3"
},
)
task_id = res.json()["task_id"]

<?php
$res = file_get_contents("https://api.kit.forhosting.com/audio/diarize", false, stream_context_create([
  "http" => [
    "method"  => "POST",
    "header"  => "Authorization: Bearer " . getenv("KIT_KEY") . "\r\nContent-Type: application/json",
    "content" => &#39;{"audio":"https://ejemplo.com/audio.mp3"}',
  ],
]));
$task = json_decode($res, true);

body := bytes.NewBufferString(`{"audio":"https://ejemplo.com/audio.mp3"}`)
req, _ := http.NewRequest("POST", "https://api.kit.forhosting.com/audio/diarize", body)
req.Header.Set("Authorization", "Bearer "+os.Getenv("KIT_KEY"))
req.Header.Set("Content-Type", "application/json")
res, _ := http.DefaultClient.Do(req)

Exemplo de requisição

{
  "audio": "https://ejemplo.com/audio.mp3"
}

Exemplo de resposta

{
  "task_id": "tsk_a1b2c3d4e5f6a1b2c3d4e5f6",
  "type": "audio.diarize",
  "status": "queued",
  "_links": {
    "result": "/tasks/tsk_…/result"
  }
}

A API é assíncrona: cada chamada devolve um task_id na hora. Se preferir polling, consulte o status a até 1 requisição por segundo.

Preço

por chamadaUS$ 0,002

por minutoUS$ 0,0055

Preço publicado, sem tokens nem créditos escondidos. Tarefa que falha não é cobrada.

Limites

`max_mb`	200
`max_minutes`	180

Erros

HTTP	Código	O que significa
`401`	`unauthorized`	Token ausente ou inválido. Confira o header Authorization.
`402`	`insufficient_balance`	Saldo insuficiente para esta tarefa. Faça uma recarga e tente de novo.
`404`	`unknown_type`	Esse tipo de tarefa não existe. Confira o campo type no catálogo.
`429`	`rate_limited`	Muitas requisições em pouco tempo. Espere um instante e tente de novo.
`422`	`task_failed`	A tarefa falhou do nosso lado. Você não paga nada por ela.

Ver a documentação completa do KIT →